Là OpenAI nhưng lại không mở, còn IP thì nên được mở ra..
Đã học từ IP của người khác nhưng mô hình lại là IP của riêng mình?
Cuối cùng, tôi nghĩ việc mở mô hình mới là đúng. (thu phí ở tầng dịch vụ)
Là người vừa thích laptop vừa thích Nassim Taleb, tôi không thể không để lại bình luận được haha. Trước hết, tôi thấy việc dùng phép so sánh giữa hiệu ứng Lindy và bộ ba fragile, robust, antifragile cho các hệ thống và sản phẩm IT có thể dễ gây hiểu nhầm.
Tôi cũng đã dùng laptop IBM từ thời LGIBM do ảnh hưởng từ cha mình, và đã sử dụng 6 mẫu trong suốt 9 năm, từ X40, X60T, T41, X200 cho đến MacBook 16 inch.
Về việc so sánh chất lượng và tính bền vững giữa ThinkPad và MacBook, cũng như kết luận của bài viết, đó là góc nhìn cá nhân của tác giả, và tôi cũng không phản đối nhiều. Nhưng việc mang lý thuyết của Nassim Taleb vào để tăng sức thuyết phục cho bài viết lại là điểm khiến tôi phải thốt lên “hửm?”.
Trước hết, sản phẩm IT vốn dĩ cứ liên tục có mẫu mới ra mắt. Tôi cho rằng rất khó áp dụng hiệu ứng Lindy vào đây. Ví dụ tiêu biểu của hiệu ứng Lindy là các kim tự tháp Ai Cập.
Có lẽ thay vì tập trung vào “thiết bị” ThinkPad, sẽ hợp lý hơn nếu tập trung vào “thương hiệu”.
Hiện giờ tôi đang coi như làm cho vui bằng vibe coding để phát triển client, server và admin của một web game (thậm chí tôi cũng không tự sửa trực tiếp; chỉ cần chép phần cần sửa rồi yêu cầu chỉnh sửa, sau đó áp dụng nguyên xi đoạn code được trả về), đến nay đã khoảng 20.000 dòng rồi. Thỉnh thoảng cũng bực thật, nhưng nếu vừa cáu vừa đặt câu hỏi thì đến giờ nó vẫn cho ra code khá ổn.
Mã quốc gia 371 là của Latvia nhỉ. Không rõ chỉ có trung tâm chăm sóc khách hàng ở đó hay trụ sở chính cũng ở Latvia, nhưng theo một nghĩa nào đó thì quả là đáng nể.
Tôi đồng cảm với hơn 90% nội dung của bài viết này.
Có vẻ như chắc chắn đang đến những thời điểm mà năng lực và mô hình phát triển phần mềm sẽ thay đổi.
Giờ đây, xét từ khía cạnh năng lực điều phối, tôi nghĩ cần chú trọng hơn đến nhiều design pattern, cách xây dựng ứng dụng mang tính tổng quát và các phương pháp luận để giải quyết vấn đề.
Việc phát triển thuật toán từ lâu đã vượt qua giới hạn của con người, và cũng giống như việc AI đang thực hiện tối ưu hóa thuật toán mà con người không thể hiểu được, các nhà phát triển trong tương lai là lúc cần tập trung vào phạm vi rộng hơn và nhiều xu hướng hơn.
Việc học AI là quan trọng, nhưng tôi nghĩ không cần phản ứng thái quá mỗi khi có công nghệ mới xuất hiện. Đầu tư nhiều thời gian hơn vào những khái niệm cốt lõi không thay đổi sẽ hiệu quả hơn, và vì AI tương đối dễ học nên có thể tiếp cận từ từ cũng được. Thay vì lúc nào cũng chạy theo, tôi cho rằng điều quan trọng là bồi dưỡng năng lực cốt lõi.
https://github.com/ebandal/H2Orestart
Dùng chương trình này thì cũng có thể chỉnh sửa được (hwp, hwpx không thể lưu).
Gần đây onlyoffice cũng đã được bổ sung hỗ trợ hwp/hwpx.
Bây giờ vẫn làm tốt hơn kha khá người. Vì học từ code của các bậc thầy open source nên nếu biết đặt câu hỏi cho khéo thì chất lượng đầu ra cũng khá ổn haha
Theo kinh nghiệm của tôi, và cũng như có thể thấy từ các trường hợp khác như https://blog.lawrencejones.dev/ai-mvp/, các model mới nhất không hẳn lúc nào cũng đảm bảo kết quả tốt hơn. Mỗi khi tinh chỉnh model hoặc prompt thì đều phải evaluation thông qua dataset, nhưng dù LLM có hỗ trợ việc đánh giá đến đâu đi nữa thì việc con người vẫn phải tự tay tạo từng ground truth dataset cho model LLM cũng hơi mỉa mai thật haha
Docker + Portainer + Cloudflare + Uptime Kuma
Tôi đang dùng như thế này.
Là OpenAI nhưng lại không mở, còn IP thì nên được mở ra.. Đã học từ IP của người khác nhưng mô hình lại là IP của riêng mình? Cuối cùng, tôi nghĩ việc mở mô hình mới là đúng. (thu phí ở tầng dịch vụ)
Là người vừa thích laptop vừa thích Nassim Taleb, tôi không thể không để lại bình luận được haha. Trước hết, tôi thấy việc dùng phép so sánh giữa hiệu ứng Lindy và bộ ba
fragile, robust, antifragilecho các hệ thống và sản phẩm IT có thể dễ gây hiểu nhầm.Tôi cũng đã dùng laptop IBM từ thời LGIBM do ảnh hưởng từ cha mình, và đã sử dụng 6 mẫu trong suốt 9 năm, từ X40, X60T, T41, X200 cho đến MacBook 16 inch.
Về việc so sánh chất lượng và tính bền vững giữa ThinkPad và MacBook, cũng như kết luận của bài viết, đó là góc nhìn cá nhân của tác giả, và tôi cũng không phản đối nhiều. Nhưng việc mang lý thuyết của Nassim Taleb vào để tăng sức thuyết phục cho bài viết lại là điểm khiến tôi phải thốt lên “hửm?”.
Trước hết, sản phẩm IT vốn dĩ cứ liên tục có mẫu mới ra mắt. Tôi cho rằng rất khó áp dụng hiệu ứng Lindy vào đây. Ví dụ tiêu biểu của hiệu ứng Lindy là các kim tự tháp Ai Cập.
Có lẽ thay vì tập trung vào “thiết bị” ThinkPad, sẽ hợp lý hơn nếu tập trung vào “thương hiệu”.
Devin, kỹ sư phần mềm AI đầu tiên
Một tháng trải nghiệm cùng Devin
Wow, thú vị và lạ thật haha
Hiện giờ tôi đang coi như làm cho vui bằng vibe coding để phát triển client, server và admin của một web game (thậm chí tôi cũng không tự sửa trực tiếp; chỉ cần chép phần cần sửa rồi yêu cầu chỉnh sửa, sau đó áp dụng nguyên xi đoạn code được trả về), đến nay đã khoảng 20.000 dòng rồi. Thỉnh thoảng cũng bực thật, nhưng nếu vừa cáu vừa đặt câu hỏi thì đến giờ nó vẫn cho ra code khá ổn.
Tôi đồng cảm.
Thoughtworks Technology Radar, Volume 31
Thoughtworks Technology Radar, Volume 30
Thoughtworks Technology Radar, Volume 29
Thoughtworks Technology Radar, Volume 28
Thoughtworks Technology Radar, Volume 27
Thoughtworks Technology Radar, Volume 26
ThoughtWorks Technology Radar, Volume 23
ThoughtWorks Technology Radar, Volume 22
Tin công nghệ do ThoughtWorks phát hành 6 tháng một lần - Radar Vol.21
Về mặt giao diện thì tôi cũng từng có những băn khoăn tương tự, nhưng lại không nghĩ ra được một giao diện mới nào thật sự phù hợp.
Ồ, cái này chắc chắn là rất tốt.
À, cái này hay đấy haha
Mã quốc gia 371 là của Latvia nhỉ. Không rõ chỉ có trung tâm chăm sóc khách hàng ở đó hay trụ sở chính cũng ở Latvia, nhưng theo một nghĩa nào đó thì quả là đáng nể.
Tổng giá toàn bộ giáo trình nằm trong khoảng $35~$100 nên khá rẻ
...? Nhưng với sinh viên đại học thì mức giá đó đâu có thể xem là rẻ được...
Tôi đồng cảm với hơn 90% nội dung của bài viết này.
Có vẻ như chắc chắn đang đến những thời điểm mà năng lực và mô hình phát triển phần mềm sẽ thay đổi.
Giờ đây, xét từ khía cạnh năng lực điều phối, tôi nghĩ cần chú trọng hơn đến nhiều design pattern, cách xây dựng ứng dụng mang tính tổng quát và các phương pháp luận để giải quyết vấn đề.
Việc phát triển thuật toán từ lâu đã vượt qua giới hạn của con người, và cũng giống như việc AI đang thực hiện tối ưu hóa thuật toán mà con người không thể hiểu được, các nhà phát triển trong tương lai là lúc cần tập trung vào phạm vi rộng hơn và nhiều xu hướng hơn.
Việc học AI là quan trọng, nhưng tôi nghĩ không cần phản ứng thái quá mỗi khi có công nghệ mới xuất hiện. Đầu tư nhiều thời gian hơn vào những khái niệm cốt lõi không thay đổi sẽ hiệu quả hơn, và vì AI tương đối dễ học nên có thể tiếp cận từ từ cũng được. Thay vì lúc nào cũng chạy theo, tôi cho rằng điều quan trọng là bồi dưỡng năng lực cốt lõi.
https://github.com/ebandal/H2Orestart
Dùng chương trình này thì cũng có thể chỉnh sửa được (
hwp,hwpxkhông thể lưu).Gần đây onlyoffice cũng đã được bổ sung hỗ trợ
hwp/hwpx.Bây giờ vẫn làm tốt hơn kha khá người. Vì học từ code của các bậc thầy open source nên nếu biết đặt câu hỏi cho khéo thì chất lượng đầu ra cũng khá ổn haha
Bài viết https://upsidelab.io/blog/design-voice-user-interface-starcraft được giới thiệu trong phần nội dung là một bài từ năm 2018 nhưng vẫn rất thú vị.
Theo kinh nghiệm của tôi, và cũng như có thể thấy từ các trường hợp khác như https://blog.lawrencejones.dev/ai-mvp/, các model mới nhất không hẳn lúc nào cũng đảm bảo kết quả tốt hơn. Mỗi khi tinh chỉnh model hoặc prompt thì đều phải evaluation thông qua dataset, nhưng dù LLM có hỗ trợ việc đánh giá đến đâu đi nữa thì việc con người vẫn phải tự tay tạo từng ground truth dataset cho model LLM cũng hơi mỉa mai thật haha
Không biết trong tương lai nó sẽ được lựa chọn và sử dụng theo cách nào nhỉ